تولید محتوای آموزشی فارسی از اسناد PDF با استفاده از مدل‌های زبان بزرگ محلی: مطالعه تطبیقی ​​رویکردهای RAG و مبتنی بر موضوع کلیدی

تولید محتوای آموزشی فارسی از اسناد PDF با استفاده از مدل‌های زبان بزرگ محلی: مطالعه تطبیقی ​​رویکردهای RAG و مبتنی بر موضوع کلیدی

امیرحسین برادران1 سعیده سادات سدیدپور2 رضا بهرامی دراسله3

1) دانشجوی دکتری هوش مصنوعی دانشگاه صنعتی مالک اشتر
2) استادیار دکتری هوش مصنوعی دانشگاه صنعتی مالک اشتر
3) دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه صنعتی مالک اشتر

کد IOI مقاله : AAHD-ABKEGG
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    مدل‌های زبانی بزرگ (LLM) پتانسیل قابل توجهی برای پشتیبانی از کاربردهای آموزشی، به ویژه در تولید خودکار مطالب آموزشی، نشان داده‌اند. با این حال، اثربخشی استراتژی‌های مختلف زمینه‌سازی سند و LLMهای محلی سبک برای تولید محتوای آموزشی فارسی هنوز به اندازه کافی بررسی نشده است. این مقاله یک چارچوب مقایسه‌ای برای تولید خودکار محتوای آموزشی از اسناد PDF با استفاده از مدل‌های زبانی کوانتیزه شده محلی ارائه می‌دهد. دو خط لوله نسلی بررسی می‌شوند. اولین خط لوله از تقسیم‌بندی سند، تعبیه جملات، بازیابی معنایی و یک پایگاه داده برداری FAISS برای پیاده‌سازی یک گردش کار تولید افزوده بازیابی (RAG) استفاده می‌کند. دومی موضوعات نماینده را از سند منبع با استفاده از TF-IDF و شباهت کسینوسی شناسایی می‌کند و متعاقباً یک LLM را برای تولید توضیحات، مثال‌ها و خلاصه‌های آموزشی ساختاریافته برای موضوعات استخراج شده، تحریک می‌کند. پنج مدل زبانی قابل اجرای محلی، شامل Llama 3.1، Llama 3.2، Aya، DeepSeek-R1 و Gemma2، از نظر کیفیت محتوای تولید شده، زمان پردازش و ویژگی‌های خروجی مشاهده شده، به طور مقایسه‌ای ارزیابی می‌شوند. مشاهدات تجربی نشان می‌دهد که استراتژی تولید مبتنی بر موضوع کلیدی، محتوای آموزشی رضایت‌بخش‌تری نسبت به پیکربندی RAG مورد بررسی تولید کرده است. در میان مدل‌های ارزیابی شده، آیا (Aya) با تولید محتوای آموزشی بسیار خوب، بالاترین ارزیابی کیفی را به دست آورد، در حالی که لاما ۳.۱ تعادل مطلوبی بین کیفیت خروجی و زمان پردازش ارائه داد. نتایج، امکان‌سنجی ساخت سیستم‌های تولید محتوای آموزشی آفلاین و آگاه از منابع را با استفاده از LLM های محلی سبک نشان می‌دهد و اهمیت استراتژی بازیابی، طراحی سریع و انتخاب مدل را در تولید آموزشی مبتنی بر سند برجسته می‌کند.

کلمات کلیدی : مدل‌های زبان بزرگ تولید محتوای آموزشی پردازش زبان طبیعی فارسی تولید بازیابی تقویت‌شده tf idf مدهای زبانی بزرگ محلی